我有一个包含三组任务持续时间值的数据文件，我想确定组对任务持续时间的影响（任务由个人执行；每组有 7 个不同的个人；每个人执行相同的三个任务；以及一个由于实验期间的设置问题，未记录 B 组中的个人）。
我从数据文件创建了以下箱线图（红点是平均值，“n”是每组中时间值的数量）：
以及以下直方图（以“分钟：秒”给出的持续时间）：
我每组的数据样本很小，“Shapiro-Wilk 正态性检验”告诉我 A 组并非来自正态分布，而 B 组和 C 组来自正态分布。因为组很小并且一组是非正态的，所以我决定运行 Kruskal-Wallis 单向方差分析（非参数），其结果是：
Kruskal-Wallis rank sum test
data: Duration by Group
Kruskal-Wallis chi-squared = 4.2811, df = 2, p-value = 0.1176
所以我应该接受组的影响不显着（p值> 0.05）。
但是，当我运行单向 Anova 时（为了防止 Kruskal-Wallis 不是正确的选择进行完整性检查），Anova 的结果是：
ANOVA Duration ~ Group
Df Sum Sq Mean Sq F value Pr(>F)
Group 2 0.0003692 1.846e-04 6.473 0.00293 **
Residuals 57 0.0016257 2.852e-05
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Tukey multiple comparisons of means
95% family-wise confidence level
diff lwr upr p adj
B-A -0.0055763154 -0.009704328 -0.0014483027 0.0054132
C-A -0.0048032407 -0.008769307 -0.0008371744 0.0138750
C-B 0.0007730747 -0.003354938 0.0049010874 0.8943085
也就是说，Anova 返回的 p 值 < 0.05，也就是说，说明组效应是显着的（在这种情况下，A 组在 B 和 C 方面存在显着差异）。
但是，由于每组的样本数量很少，而且一组不是正态分布的，我倾向于接受 Kruskal-Wallis 的结果，但我不确定。
所以我的问题是：
我是否应该接受 Kruskal-Wallis 结果，因为对于这种特殊情况，该测试比 Anova 更充分？
我应该如何使用箱线图和直方图来决定最合适的测试？
谢谢